债务违约率（共7篇）
债务违约率 篇1
一、引言
现金流量反映了债权人特别重视的企业实际支付能力,所以成为银行信贷决策的重要依据之一。然而遗憾的是,现金流量数字并非没有被操纵的可能,王啸(2004)、陈理(2006)、吴联生、薄仙慧、王亚平(2007)、张然(2007)等都获得了中国上市公司进行经营现金流量管理的证据。叶志锋、胡玉明、纳超洪(2009)获得了中国上市公司基于银行借款融资动机进行现金流量操纵的证据。陆正飞、祝继高、孙便霞(2008)认为美国的银行能够识别企业的盈余管理行为,而中国的银行不能识别企业的盈余管理行为。本文试图进一步检验企业的现金流量操纵行为是否导致了更高的债务违约率(1),以考察中国银行业不能识别企业现金流量操纵的经济后果这一关键问题。
二、文献回顾与研究假设
国内外上市公司均存在不同程度的会计操纵现象,企业的会计操纵行为给银行带来了信息风险(2)。根据毕马威提供的国际比较来看,虚假财务信息导致的金融诈骗已经成为各国关注的重点(周小川,2005)。在中国,贷款欺诈普遍存在,而利用虚假财务报表资料进行贷款欺诈是常见的手段(闻德锋,2006),影响了银行资金的合理配置,引发了不良债权的产生。戴璐、汤谷良(2007)认为,在债权人缺乏应有的监督和及时约束之下,任何一种产权类型的公司实际控制人都有可能借助财务安排和会计操纵侵占债权人和小股东的利益。关于会计信息质量与银行债务契约的关系的研究,国外Graham,Li and Qiu(2008)发现企业重述财务报告后,银行将认为企业的信息有问题,信贷风险增加,因此采取包括提高利率、缩短债务期限、更可能要求抵押和更多限制条件等控制措施。Bharath,Sunder and Sunder(2008)发现,较低会计信息质量的借款人的利率较高、期限较短且更可能被要求提供抵押。陆正飞、祝继高、孙便霞(2008)认为,中国银行业在贷款审批方面至少存在如下两个不足:第一,银行经营效率较低,在信贷决策时没有或没有能力对企业的财务状况进行深入调查和分析,也就不可能识别企业的盈余管理行为;第二,政府的干预使得银行的信贷决策在一定程度上偏离了市场规则。他们发现对于盈余管理程度不同的上市公司,新增银行长期借款与会计信息的相关性并不存在显著差异,这表明中国的银行不能识别企业的盈余管理行为。
中国银行业无法识别企业的会计操纵行为,将导致更多的银行资金流向这些“美化”了财务报表的公司。现在的关键问题是:这些公司的债务违约率是不是相对更高呢?如果违约率相对更高,那么银行无法识别企业会计操纵行为的经济后果是造成了资源的不合理配置和不良债权产生的原因。鉴于叶志锋、胡玉明、纳超洪(2009)获得了中国上市公司基于银行借款融资动机进行现金流量操纵的证据,本文选择研究现金流量操纵程度与企业债务违约率之间的关系。但如何检验这种关系呢?本文的难点是现金流量操纵程度的计量问题,目前尚没有统一的做法。笔者曾尝试用方军雄(2004)、薛爽、蔡祥、郭虹(2008)等的方法,但发现大部分公司的现金流量操纵程度小于0,而债务违约率与现金流量操纵程度的相关性分析竟然显示为显著负相关。因此不宜将债务违约率作为因变量、现金流量程度作为自变量进行回归分析。本文想到了微正企业。这些企业是明显有现金流量操纵嫌疑的,如果能够证明它们的违约率相对更高些,那么就获得了现金流量操纵企业有更高债务违约率的证据。本文将微正企业的债务违约率与相邻区间公司进行比较后发现,如果微正企业的违约率与其右边相邻公司(指现金流量略大于微正的公司,简称Z系列区间公司,见图1)没有显著差异,但显著小于其左边相邻公司(指现金流量略小于微正的公司,简称F系列区间公司,见图1),那表明银行审慎对待微正公司的借款业务,给予它们足够严格的贷款条件,从而有效控制了信贷风险;反之,则说明中国银行业不能有效识别微正公司的业绩操纵行为(3),这些行为给银行带来了不良的经济后果。本文的竞争性的研究假设是:
假设1:微正企业的债务违约率与其右边相邻公司(Z系列区间公司,见图1)没有显著差异,但显著小于其左边相邻公司。
假设2:微正企业的债务违约率与其左边相邻公司(F系列区间公司,见图1)没有显著差异,但显著大于其右边相邻公司。
三、研究设计
(一)研究方法
为了检验本文提出的假设,本文选择经营现金净流量(除以上年末资产总额)位于0~+0.02的公司作为明显有现金流量操纵嫌疑的企业(4),然后以0.02为跨度分别取微正区间左右两边五个区间进行比较,考察它们的违约率情况(如图1所示)。
首先将微正区间公司的违约率分别与左右两边区间公司的违约率进行单变量比较,即进行均值和中位数的差异检验,以得到初步的结论。由于债务违约还受到其他因素的影响,本文接着加入了一系列的控制变量,进行多元回归分析,以获得更为有效的证据。
(二)变量选择
因为银行在授信前要依据企业以前年度的财务数据进行信贷评估,所以本文选择“上年度现金流量与当年度银行借款违约”作为研究对象。现金流量变量来自年度现金流量表的“经营活动现金流量净额”项目,并除以上年年末的资产总额予以标准化。对于债务违约,本文用企业当年度偿还债务所支付的现金减去上年度末资产负债表显示要在未来一年内偿还的银行债务来进行判断。当然,这只是一个近似衡量的指标,因为一方面“偿还债务所支付的现金”中可能包括当年度借入当年度归还的银行债务,这会造成低估违约率;另一方面如果上市公司将“上年末短期借款”和“上年末一年到期的长期负债”办理展期(5),那么会造成高估违约率(6)。其他控制变量主要参考了孙铮、李增泉、王景斌(2006)等文献,包括盈利能力、流动性、周转能力、负债程度、资产期限、成长性、公司规模、实际控制人类型、地区市场化指数、行业、年度等。各变量的定义见表1。
(三)数据来源与描述性统计
考虑到中国上市公司从1998年度开始提供现金流量表,本文选取1999-2007年所有上市公司数据作为样本(会计信息变量为1998-2006年,银行借款违约变量为1999-2007年),数据来源为CSMAR数据库、CCER数据库和公司年度报告并进行以下剔除:(1)剔除金融类上市公司,因为它们采用的会计制度与其他公司不同;(2)剔除拥有B股或H股的公司样本,因为外资股股价与流通A股股价不同;(3)剔除每年行业中公司数目不足10家的公司样本;(4)剔除净资产为负值的公司样本;(5)剔除其他数据异常或缺失的公司样本。
最终确定的研究样本为5508个公司年度观测值。为了避免极端值的影响,本文采用Winsorization的方法对所有连续变量的异常值进行处理,即所有小于1%分位数(大于99%分位数)的变量,令其值等于1%分位数(99%分位数)。各年度样本数量、描述性统计及相关性分析分别见表2、表3和表4所示。
表3显示DEFA的均值为0.302,表示有30.2%公司样本为违约(8)。从表4可以看出,债务违约变量与盈利能力、流动性、周转能力、利息保障倍数和公司规模成显著负相关,与负债程度、自有资金比率和显著正相关。唯有资产期限指标与DEFA的相关系数不显著。自变量之间的相关系数绝对值最大为0.644,这说明它们的相关程度不严重。
四、实证结果及分析
(一)单变量比较
表5是各区间公司的债务违约率情况;表6是WZ区间公司的债务违约率与F区间公司的比较;表7是WZ区间公司的债务违约率与Z区间公司的比较。从表5中可知,相对来说,WZ区间公司的债务违约率与F区间公司更接近些。F区间公司中F1区间的违约率明显高于其他公司,显得特殊。表6是WZ区间公司的债务违约率与F区间公司的比较,除了F1区间这一特殊情况外,WZ区间与其他四个区间无论是均值还是中位数都没有显著差异。表7是WZ区间公司的债务违约率与Z区间公司的比较,结果是WZ区间的违约率在1%水平上显著大于其右边的全部五个区间。由此,假设2得到初步验证。
(二)多元回归分析
本文采用的PROBIT多元回归分析模型为:
模型以WZ区间公司的债务违约率为基数,回归结果见表8所示。表8中第2列在第1列的基础上加入企业实际控制人类型和地区市场化指数两个变量,第3列在第2列的基础上再加入行业和年度变量。从表8中可知,F1、F2、F3、F4、F5的系数在前两列有F1和F4显著为正,其他都不显著,到了第三列,只有F4在10%水平上显著为正,其他都不显著,表明WZ区间公司与F区间公司的债务违约率基本没有显著差异;Z1、Z2、Z3、Z4、Z5的系数均显著为负,表明WZ区间公司的债务违约率显著大于Z区间公司。ROA、CUR、TUR、LNTA的系数显著为负,符合常理。TOBQ在第3列不显著,其他两列显著为正,与表6-表8相同。令人疑问的是,AM、CIFO显著为正,意味着资产期限越长或自有资金越高的企业其债务违约率越高,当然也可能是与它们有能力承担更多债务有关。COV在第1列、第2列显著为正,也与常理不符,可能是原因是利润多并不等于现金流充足。与表6-表8一样,OWN的系数显著为正,表明私有企业的违约率高于公有企业。MAR的系数显著为负,表明市场化程度越高、地区的违约率越小。M-R2分别为15.2%、16.0%、19.3%,模型的解释力度较好。自变量之间的VIF值最大为2.97,这表明不存在严重的多重共线性问题。
注:回归时选择了Robust Covariances中的Huber/White技术;行业、年度控制变量结果没有列出。
五、稳健性检验
为了获得稳健的检验结果,本文对债务违约变量的衡量方法进行了调整。考虑到“上年末一年到期的长期负债”更可能在本年办理展期,本文不把它作为本年必须要偿还的项目,即债务违约变量的计算公式调整为:当年偿还债务所支付的现金-上年末短期借款。这应该是个比较严格的衡量方式。
(一)单变量比较
表9、表10与表6、表7很相似,除了F1区间这一特殊情况外,WZ区间与其它4个左边区间无论是均值还是中位数都没有显著差异,但在1%水平上显著大于其右边的全部5个区间,假设2仍然得到初步验证。
(二)多元回归分析
从表11可知,在控制了其他影响债务违约的因素后,所有模型F1、F2、F3、F4、F5的系数不显著,表明WZ区间公司与F区间公司的债务违约率没有显著差异;Z1、Z2、Z3、Z4、Z5的系数在1%水平上显著为负,这表明WZ区间公司的债务违约率显著大于Z区间公司,而且比表8更为稳健,假设2也再次得到验证。
本文还对财务指标进行了一系列的替换,如用净资产收益率替换总资产报酬率、用总资产周转率替换流动资产周转率、用速动比率替换流动比率、用主营业务增长率替换TOBQ等,检验结果没有发生变化。
注:回归时选择了Robust Covariances中的Huber/White技术;行业、年度控制变量结果没有列出。。
六、结论
在相关文献的基础上,本文进一步检验企业的现金流量操纵行为是否导致了更高的债务违约率,以考察中国银行业不能识别企业现金流量操纵的经济后果这一关键问题。本文的难点是现金流量操纵程度的计量问题,目前尚没有统一的做法。本文曾尝试用方军雄(2004)、薛爽、蔡祥、郭虹(2008)等的方法,但发现大部分公司的现金流量操纵程度小于0,而债务违约率与现金流量操纵程度的相关性分析竟然显示为显著负相关。因此不宜将债务违约率作为因变量、现金流量程度作为自变量进行回归分析。本文只能利用明显有现金流量操纵嫌疑的微正企业作为样本,将它们的债务违约率与相邻区间公司进行比较,以获得现金流量操纵企业的债务违约率相对更高的证据。以1999-2007年的中国上市公司为研究样本,运用单变量比较和多元回归分析,本文发现微正企业的债务违约率与其左边相邻公司没有显著差异,但显著大于其右边相邻公司,这表明现金流量操纵企业的债务违约率相对更高,中国银行业不能有效识别企业的会计操纵行为,这些行为导致了银行资源的不合理配置和不良债权的发生。
债务违约率 篇2
中国山水水泥集团有限公司是山东省最大的水泥集团,是国家重点支持的12户全国性大型水泥企业之一,集团于2008年7月4日在香港上市,成为中国水泥行业第一支红筹股。
2015年11月11日,山水集团于港交所发布公告称:“董事会已得出结论,山水集团将无法于11月12日或该日之前取得足够资金以偿付境内债务。公司将提交清盘申请,并申请委任临时清算人。”
截至目前,山水集团国内存续债券共6只,累计余额71亿元。除上述20亿元超短融外,还包括8亿元超短融以及3亿元定向债务工具。以上债券将于未来两年陆续到期,其中26亿元的超短融和中期票据,需在明年一季度兑付。此外,山水集团还有5亿美元的优先票据,将于2020年到期。根据相关规定,如果境内主体超短融违约,则境外债券也必须提前赎回。
2 案例分析与发现
2.1 迫于债务违约的财务压力
2015年,公司营业收入下降31.1%,与去年相比损失人民币10.96亿元。山水集团ROE、ROA指标逐年大幅下降,中期ROE降至-9.79%,较2014年中期降幅达11.61%,ROA降至-2.85%,同比降低3.35%,两者反映出山水集团股东权益的收益水平逐年降低,公司运用自有资本的效率逐年下降。除此之外,至2015年中期,企业销售净利率低至-21.62%,降幅达23.68%,销售毛利率14.48%,降低6.39%,营业利润率降幅更是达到24.13%。山水集团主要产能分布地山东竞争较为激烈,整体价格水平较低,尽管辽宁地区集中度较高,但需求下滑较多,导致公司收入增长乏力,无法实现较好的销售收入。
由于集团近年大量投资,使得考虑应付票据后债务资本比由2012年的36.6%增至目前的45.7%,有较大的长短期偿债压力。此外,公司短债增长较多,货币资金对短债的覆盖比率仅为27%,截至2015年一季度末,考虑票据后的净短期债务大幅增至41亿元,流动负债总额高达170多亿元,流动比率与速动比率较2014年同期分别降低0.21、0.16,公司账面可用货币资金11.5亿元无法覆盖上述优先票据回购金额,公司资金周转压力较大,债务负担和短期周转压力恶化。
2.2 雪上加霜的股权争夺
山水水泥原直接控股股东是中国山水投资有限公司,山水投资是由自然人实际控制的企业。但在张才奎对山水投资内部控制权不稳定的情况下,天瑞集团、亚洲水泥和中国建材等股东进入或增持,使得山水投资对山水水泥控制力进一步下降并丧失大股东地位,导致山水水泥因公众股比例过低停牌。
山水水泥的股权变动事项对公司的正常经营和融资环境带来一定的负面影响。如果山水水泥的实际控制人发生变更,可能会带来区域集中度的提升,但也有可能在并购整合中对公司的经营产生不稳定影响。如果实际控制人不发生变更,由于不能解决公众持股比例过低问题而导致企业退市,则会对山水水泥的融资能力产生不利影响,天瑞集团、中国建材、亚洲水泥的股权投资也会出现账面价值的下降。此次山水集团因债务违约而申请清盘,与集团股权争夺有着密不可分的联系,不同利益集团间存在经营理念与利益冲突,寻求改组亦是基于对现任管理层不当行为的质疑,“清盘”事件的发生对公司的信用可能会造成较大伤害。
2.3 惨淡的行业发展状况
2015年,我国水泥市场需求持续低迷,预计产量同比下降6%左右,是21世纪以来首次半年出现负增长的年份。根据国家统计局统计,2015年1~11月我国水泥行业累计实现收入8080亿元,同比下降9.56%,行业亏损企业额达到历史新高的202亿元,比2014年增长128%。行业销售利润率仅为3%,亏损额超过210亿元,亏损面超过40%。
我国经济结构正处于转型期,过去以固定资产投资拉动经济增长的模式继续发生着改变。2015年水泥需求下游行业中房地产和基建整体表现乏力,尤其是房地产投资增速出现断崖式下滑,从2014年增长10.3%直线下降到2015年的1%,下降幅度超过9个百分点,房地产投资增速降幅已经连续2年接近10个百分点,这是导致水泥需求快速减少的直接原因。基建投资虽然依旧维持在17%左右,但起到的更多是支撑现有水泥需求总量的作用。同时,煤炭价格的大幅下滑,并没有给行业带来更好的效益,反而为价格下行提供了空间。
2015年5月公布的水泥专题报告指出,目前,我国水泥行业已处于产能过剩阶段,遏制新增产能是维持企业发展的重要途径,并购整合、提高集中度是行业的长期发展趋势。
3 研究启示与建议
3.1 严控新增产能,实现纵向一体化、多元化发展
目前,水泥行业已经处于产能严重过剩的阶段,相关部门应停止产能置换的核准新上水泥项目的政策。同时,各地政府应积极核准新的水泥项目,包括以开展城市垃圾处置、工业废渣利用、PVC项目配套处置电石渣而新建水泥项目,所有的废渣、废物处置尽可能利用周边现有的水泥企业进行。就企业自身而言,在市场竞争环境不断恶化的形势下,水泥企业应充分利用自己的矿山资源优势、资本优势,规模优势等,实施纵向一体化的产业链延伸和协同发展。
3.2 利用信息化技术提升企业的竞争力
2015年3月3日工信部发布《2015年原材料工业转型发展工作要点》,政府将大力推进两化深度融合,努力实现集研发设计、物流采购、生产管控、经营管理、市场营销为一体的流程工业全链条智能化。因此,企业应引入互联网技术,发展线上与线下相结合的营销服务体系,建立企业综合服务中心,充分利用信息技术提高生产和营销管理水平,大幅降低管理成本,实现技术与管理的升级。
3.3 重新定位,从原材料产业向绿色环保产业转型
水泥企业应顺应行业的发展趋势,制定新的发展战略,参与“一带一路”等海外水泥项目投资,延伸企业产业链并进行适度多元化投资,增强企业的竞争实力和抗风险能力。
3.4 开展企业信用评级,推行企业社会责任
企业的市场行为和社会责任的承担离不开人的作为,开展企业信用评级和推行企业社会责任是帮助企业进行品牌建设和文化建设的有效手段。作为水泥制造企业,应转变观念,塑造节能减排、清洁生产、环境友好的企业形象,通过开展水泥窑协同处置,打造承担工业和城市废物安全处置的社会责任和环保功能,争取获得政府和社会的认可、支持和依赖。
4 结论
企业举债经营有助于突破股东自身财富的硬约束,有利于合理利用财务杠杆,提高股东资本收益水平,并在一定程度上满足股东分散风险的需要。相反,过度负债会使企业财务负担加重,削弱企业的盈利能力,增加企业破产的可能性甚至导致企业破产。因此,企业在发展过程中,应适当控制债务水平,防止过度举债而事后发生债务违约的情况,影响企业的正常持续经营。
参考文献
[1]周德利.债务违约“新常态”[J].商业观察,2015(Z1):93-95.
债务违约率 篇3
违约损失率 (Loss Given Default, LGD) 是指债务人不能如期偿还债务, 给债权人造成的损失程度。由于LGD=1-回收率, 因此, 它也决定了贷款回收的程度。违约损失率是反映银行风险管理水平的指标, 计算信用风险预期和非预期损失时都需要该指标。高级内部评级法规定商业银行可在监管下自行估计违约损失率等风险参数。国外很多研究表明, 商业银行不良贷款中, 低回收、高回收贷款所占比重较大。尽管我国企业贷款的回收率也表现出一定的双峰性质, 但不同的是我国完全无回收贷款的比率明显高于高回收贷款的比率。本研究就是希望建立一个区分贷款回收情况的判别率高、判别性能稳定的分类模型。将企业贷款回收情况分为零回收、部分回收、完全回收三类。基于该种分类建立的判别模型有助于银行降低信用风险, 减小违约损失, 也为商业银行今后的贷款业务提供参考, 为IRB高级法的实施提供借鉴。
二、LGD判别模型自变量的确定
(一) LGD的潜在影响因素
为确定LGD判别模型的自变量, 首先需要分析LGD的影响因素。违约损失率影响因素很多, 大体分为三类:贷款人因素、贷款自身因素和宏观因素。这些因素从理论上或直观上影响LGD, 根据国内各类研究, 结合我国的具体情况, 本文梳理了10个LGD的潜在影响因素, 具体如表1所示。
(二) 变量选择
经过以上分析, 容易看出大部分因素为属性因素, 无法直接度量, 需要将这些定性信息量化。基于这一情况, 这里根据已有研究中不同类型下的平均LGD情况进行重新分类, 并在此基础上设置虚拟变量, 将LGD潜在影响因素的定性信息转化为虚拟变量信息。
地区变量。根据王东浩 (2012) [1]对各地区平均违约损失率的统计结果, 分别将0.6、0.7、0.8作为临界值, 将平均违约损失率分为四个等级, 相应的各地区也被划分为四类。基于以上分析, 设置三个虚拟地区变量x1, x2, x3, 分别代表违约损失率为0.8以上, 0.7-0.8和0.6-0.7的地区, 取值为:
用同样的方法设置其它潜在变量, 进行虚拟变量处理, 初步设置28个变量。LGD判别模型的备选自变量如表2所示。
三、逐步判别分析
(一) 基本思想
逐步判别分析是在多组判别分析基础上发展起来的一种判别分析方法。逐步判别分析的基本原理是在影响因变量的众多自变量中, 运用“有进有出”方法选取对分类结果影响较显著的变量来建立判别函数。逐步判别过程就是不断引入或剔除变量, 每引入一个“最重要”的变量, 同时也检验已引入判别式的变量。若已引入的变量的判别能力因新变量的加入而变得不显著, 则应将其从判别式中剔除, 直至判别式中的变量都很显著, 且余下变量中也没有重要的需引入判别式时, 逐步判别过程结束。
(二) 逐步判别模型算法
设样本数据为xilt, i=1, 2, …, k代表抽取样本的总体的类别, l=1, 2, …, ni代表第i类总体的第l个样本, ni为第i个总体抽取的样本总数, t=1, 2, …, p维第t个指标, 指标的总数是p个。
第一步:数据准备。收集所需要的数据, 计算各类别样本及总体样本的均值, 确定显著度α。
第二步:求出原始样本数据组内离差矩阵C0及总的离差矩阵R0。
第三步:逐步计算。
(1) 变量引入:
UI0代表第i指标对总体区分的重要程度, 值越小表明区分度越好。如果经比较第m个指标对应的UM0最小, 计算
如果Fm>Fa, 那么xm将引入, 否则表明之前做的分类无效。
引入xm后, 对组内离差矩阵C0及总的离差矩阵R0进行变换处理, 计算C1和R1,
(2) 引入第一个指标后, 计算
选择最小的Uio (i≠m) , 假设最小的指标是第q个, 计算
如果Fqo<Fα, 表明判别式的变量唯一, 运算过程结束。否则引入第q个变量。接着作上一步中相似的变换, 计算C2和R2。
此步还需进行数据剔除, 计算
对它们进行比较, 如果Uq*较大, 计算
若Fq*<Fα, 上面的变量就全部保留, 否则剔除xq。然后, 求出C3和R3。
(3) 当引入了N个变量, xL1, …, xLN, 判断是否进行剔除。首先, 分别计算每个引入变量的判别能力
选取最大值, 如果U*Lq最大, 计算
若F*Lq<Fα, 返回 (3) 。否则继续下一步。
(4) 未引入判别式的变量记为xLN+1, …, xLM计算这些变量的判别能力;
选取最小值, 求出对应的F0Li, 如果大于Fα, 那么返回步骤 (2) 。否则, 说明已选出所有重要变量, 应进行下一步。
(5) 用所选变量建立判别函数。
四、违约损失率逐步判别模型实证分析
(一) 数据来源与样本选取
本文收集了某银行2005-2012年处置完毕的企业贷款违约债项信息, 对其进行检验、清洗和整合, 最终形成336条样本。首先进行归类, 即将样本分为零回收、部分回收和完全回收三类;在样本的比例方面, 选取42条零回收样本、239条部分回收样本、55条完全回收样本。将这些样本随机分为训练集和测试集。这里训练集包含30条无回收样本、200条部分回收样本、40条完全回收样本;测试集共有12条无回收样本、39条部分回收样本、15条完全回收样本。
(二) 模型变量的确定
基于以上对影响因素的分析, 共建立28个影响变量。这28个变量的判别能力不同, 某些变量对贷款回收情况的影响可能较弱。如果引入全部变量, 建立判别函数, 既会增加模型的复杂度, 也可能对判别函数的稳定性产生影响, 干扰判别结果。逐步判别法只将判别能力显著的变量引入判别函数, 可以简化模型, 提高预测精度。而且这些影响变量也可能存在多重共线现象, 逐步判别法可以有效解决此类问题。
利用SPSS19.0对训练集进行处理和分析, 将贷款回收情况分为3类, 分别用1、2、3表示, 其中1代表该笔贷款零回收 (违约损失率为1) , 2代表部分回收 (违约损失率介于0, 1之间) , 3代表完全回收 (违约损失率为0) 。应用逐步判别分析法, 筛选变量, 构建判别模型。
利用Wilks’lambda方法进行逐步判别分析。判别停止的依据是使用F值。当时, 变量引入模型;剔除变量。筛选结果如表1所示:
在每个步骤中, 输入了最小化整体Wilk的Lambda的变量。a.步骤的最大数目是56。b.要输入的最小偏F是3.84。c.要删除的最大偏F是2.71。d.F级、容差或VIN不足以进行进一步计算。
(三) 模型建立及结果检验
对训练集中的样本进行逐步判别分析, 得到2个典型判别函数, 分别为:
D1 (x) , D2 (x) 2个典型判别函数对应的特征值为8.119、5.046, 分别能解释模型方差变化的61.7%、38.3%, 进入模型的9个变量可以反映不同回收情况的贷款特征, 得到的判别函数可以区分贷款回收类别。
典型判别函数能直观的描述不同回收情况下违约贷款的主要影响变量间的关系, 但不易对未知样本的回收情况进行判别。因而, 建立3个Fisher判别函数, 分别描述不同回收类别违约贷款的主要特征, 如下:
作判别预测时, 将测试集的9个变量值分别代入3个Fisher判别函数, 求出并比较函数值, 最大值对应的类别即测试样本的回收类型。检验结果如表4:
由表4可以得出, 整体判别准确率约为87%, 判别函数的预测效果较好, 具有实际应用价值。
五、结论
为避免违约损失率影响变量间的共线问题, 利用逐步判别分析, 从众多变量中客观有效地筛选出判别力较强的9个变量, 建立逐步判别分析模型, 并利用银行贷款数据对判别函数进行检验, 准确率达到87%。该判别模型具有较高的精确性, 可应用于实际。
参考文献
[1]王东浩.中国金融不良贷款损失管理研究[D].北京:北京交通大学, 2012:66-67.
[2]ALTMAN E I., KISHORE V M.Almost Everything You Wanted to Know about Recoveries on Defaulted Bonds[J].Financial Analysts Journal, 1996, 52 (6) :57-64.
[3]黄建忠, 褚保金.商业银行违约损失率的影响因素——基于江苏省某银行历史债项数据的分析[J].现代经济探讨, 2011 (8) :51-55.
[4]汪办兴.中国银行贷款违约损失率影响因素的实证分析[J].经济评论, 2007 (3) :90-93.
[5]陈光忠, 唐小我, 倪得兵.银行违约损失率特征研究[J].中国管理科学, 2010, 18 (2) :19-24.
[6]叶晓可, 刘海龙.银行不良贷款违约损失率结构特征研究[J].上海管理科学, 2006 (6) :12-15.
[7]ASARNOW E., EDWARDS D.Measuring Loss on Defaulted Bank Loans:a 24-year Study[J].Journal of Commercial Lending, 1995, 77 (7) :11-23.
[8]FRYE J.Depressing Recoveries[J].Risk, 2000 (13) :108-111.
[9]陈暮紫, 黄意球, 陈敏等.基于Logistic模型族的不良贷款极端零回收强度模型研究[J].中国管理科学, 2011, 19 (2) :16-23.
债务违约率 篇4
联保贷款属于供应链的范畴, 又可以称为连保、同保、互保, 是指由贷款需求主体 (这里指中小企业) 在自愿的基础上组成联保小组, 共同向银行申请贷款, 小组成员之间实现风险共担的一种供应链金融模式。当联保小组内任一成员无法归还贷款时, 小组内的其他企业需要共同帮助其偿还贷款, 否则小组所有成员将无法取得银行贷款。联保贷款通过组建联保小组, 小组成员对小组贷款承担连带责任, 由此形成“规模效应、监督效应、信息效应”, 既满足中小企业的信贷需求又有效降低了银行的贷款风险。
1.1 联保贷款模式运行机制
一般由中小企业自愿组成联保小组, 签订联保协议, 上报给银行向银行申请贷款, 银行在对联保小组成员信用调查的基础上, 对满足银行贷款条件发放贷款。否则不予发放贷款。具体流程见图1[1]。
1.2 联保贷款模式风险分类
联保贷款模式在帮助解决中小企业融资难的问题上有着不容忽视的作用。但与此同时, 中小企业运用联保贷款模式取得贷款时也存在一定的风险, 具体有:政策风险、行业风险、自身风险、信用风险。
1) 政策风险。国家出台对联保贷款不利的政策而导致的风险。国内外政局的动荡、宏观经济形势的变化都有可能导致政策风险的发生。政策风险的发生是中小企业无法预测也是不可避免的。
2) 行业风险。联保小组内的成员主要来源于同一行业的企业、供应链中的上下游相关企业或在同一地区内生产经营的企业, 同质性较强。对于由同一行业的企业组成的联保小组, 如果该行业受经济波动的影响不景气, 则联保小组成员都有可能出现难以偿还贷款的情形。而对于供应链中的上下游相关企业, 如果某一企业资金链断裂, 由于多米诺骨牌效应的存在, 会直接影响到上下游企业的还款能力。
3) 信用风险。由于联保小组成员之间承担连带责任, 若小组内某一贷款企业不能如期偿还贷款甚至恶意拖欠贷款而使组织内部其他企业受到牵连的情形。
4) 自身风险。虽然联保贷款在很多国家都取得了成功, 但是这并不能掩盖其本身存在的风险, 如易于累积、诱发系统性风险、操作繁琐、实施困难等。
2 联保贷款违约率博弈分析
博弈是指在一定环境条件和规则下, 多个决策主体的行为相互作用时, 各主体根据其他决策者的决策以及对自身能力的认知, 做出的有利于自己决策的一种行为。由于决策者之间相互作用, 博弈中一个理性的决策建立在预测其他决策者行为的基础之上。某一个决策者将自己置身于其他决策者的位置为其着想从而预测其将选择的行为, 在此基础之上决定自己最理想的行为。这里为了研究方便, 我们将从以下两个方面的博弈来进行分析。
2.1 联保小组成员之间的博弈
中小企业在选择成员组成联保小组时, 一般选择彼此熟悉、有真实交易关系或是有社会关系的成员, 所以我们认为中小企业之间信息是对称的, 因此联保小组成员之间的博弈属于完全信息状态下的博弈。
为了讨论方便, 我们假设联保小组只有甲、乙两家企业组成, 且他们之间是同质 (风险、收益相似) 的。基本假设如下:假设甲、乙均从银行贷款K个单位, 到期支付的利息均为I, 未来的预期收益分别为R1、R2。如果企业到期不偿还贷款, 那么他会受到银行和社会的惩罚。银行对违约企业的惩罚B (Ri) 正比于其投资回报Ri, 且B (Ri) >K+I。社会对违约企业的惩罚S (i) 正比于其违约行为给联保小组其他成员带来的损失和其投资回报Ri。
这种情况下的博弈分为两个阶段。第一阶段甲、乙同时决定是否偿还自己所欠贷款。如果两者的决策相同, 博弈只存在两种情况:甲、乙都选择还款, 则对应的收益为 (R1-K-I, R2-K-I) ;甲、乙都选择违约, 则小组将会受到银行的惩罚, 对应的收益为 (R1-B (R1) , R, 2-B (R2) ) 。
如果甲、乙的决策不同, 则博弈会进入到第二阶段。这一阶段, 在第一阶段选择还款的企业, 需要作出是否帮助第一阶段不还款企业还款的决策。如果甲企业在第一阶段选择还款, 第二阶段选择帮助乙还款, 则相应的收益为 (R1-2K-2I, R2-S (2) ) ;如果甲企业在第二阶段选择不帮助乙还款, 则相应的收益为 (R1-K-I-B (R1) , R2-B (R2) -S (2) ) [2]。
如果乙企业在已知甲企业违约的情况下, 乙企业有三种策略可供选择:违约、还款并帮助甲企业还款、还款但不帮助甲企业还款, 其对应的收益见表1。
通过比较可以发现选择违约和选择还款且帮助的收益要大于选择还款而不帮助的收益。当K+I2K+2I时, 乙企业选择还款并帮助甲企业还款的收益最大。
如果乙企业在已知甲企业选择偿还的情况下, 乙企业在决定是否还款时, 会比较还款和违约的收益大小, 其还款的收益为R2-K-I。如果乙企业违约, 甲企业将决定是否帮助乙企业还款, 甲企业选择帮助乙企业还款时的收益为R1-2K-2I, 选择不帮助的收益为R1-K-I-B (R1) 。
很显然当B (R1) >K+I时, 甲企业将选择还款并帮助乙企业还款, 此时乙企业的收益为R2-S (2) 。此时乙企业的选择变为还款、违约且甲企业帮助其还款, 当S (2)
通过以上分析可以得出:
乙企业在已知甲企业违约的情况下, 当B (R2) >2K+2I时, 乙企业会选择还款并帮助甲企业还款。说明了银行对违约的惩罚越大, 联保小组之间的连带责任越能充分发挥, 联保小组的违约率就会越低。
乙企业在已知甲企业还款的情况下, 当S (2) >K+I时, 乙企业会选择还款。说明了社会对违约的惩罚越大, 联保小组的违约率就会越低[3]。
2.2 联保小组与银行之间的博弈
银行与中小企业之间存在信息不对称, 银行无法全面掌握中小企业的真实情况, 一旦两者之间贷款关系发生后是否还款的主动权还是掌握在中小企业手中, 因此银行与中小企业之间属于不完全信息状态下的博弈。
我们仍按照前面的假设, 联保小组有甲、乙两名成员企业, 则贷款总金额为2K, 到期支付的利息为2I, 贷款产生的总收益为R1+R2。假定每个小组成员还款的概率为p, 则整个小组的还款率为P=1- (1-p) 2。银行为联保小组提供联保贷款, 当小组违约时银行对整个小组进行惩罚, 设定为B。银行为了鼓励联保小组进行还款, 当联保小组按时还款以后, 银行可以提供的更大额度的贷款为F。同时银行为了保障自己的权益, 在联保小组成员违约时, 进行斗争的成本为M。
根据图3, 将联保小组与银行博弈的策略分为三种, 见表2。在联保小组选择违约时, 银行选择斗争的收益为B+2 (K+I) -M, 选择不斗争的收益为B-2 (K+I) , 当M<4 (K+I) 时, B-2 (K+I)
通过比较可以发现, (还款, 不斗争) 策略下联保小组的收益大于 (不还款, 斗争) 策略;而 (不还款, 不斗争) 策略下联保小组的收益大于 (不还款, 斗争) 策略。所以联保小组成员在决定是否还款时, 只需比较 (还款, 不斗争) 策略和 (不还款, 不斗争) 策略的收益即可。当B+F>4K+2I时, R1+R2-2 (K+I) +F>R1+R2+2K-B, 此时联保小组选择 (还款, 不斗争) 策略的收益大于选择 (不还款, 不斗争) 策略的收益。
综上, 当M>4 (K+I) , B+F>4K+2I时, 联保小组与银行博弈的最佳策略为 (还款, 不斗争) 。说明, 联保小组是否还款与银行对联保小组的惩罚力度和激励力度, 银行的斗争成本等有关系。银行的惩罚力度和激励力度越大, 越能激励联保小组按时还款[4]。
3 对策建议
联保贷款违约率主要依赖于联保小组成员数量, 单个小组成员还款概率, 银行、社会对违约行为的惩罚力度等, 这些因素基本上都是银行可以控制的。基于以上的分析, 我认为应该从三个方面降低联保贷款的违约率, 即:政府、银行、联保小组成员。
1) 政府方面。由于中小企业自身存在的缺陷, 导致银行在对中小企业实施联保贷款时存在较大的风险, 这时为保证贷款关系的发生, 政府就需要介入, 给银行一定的政策扶持, 如政府在银行建立联保基金, 在联保小组成员发生违约时, 银行就可以启用这笔资金以弥补自己的损失。
2) 银行方面。鼓励银行等金融机构加入网络联保, 加大惩罚力度等。网络联保是中国建设银行浙江省分行和阿里巴巴于2007年底推出的一种信贷模式, 是借助于互联网庞大的信息数据, 将经营状况、资信水平相似的企业推荐组建联保群, 以联保群的名义无抵押无担保的共同向银行申请贷款。在贷款企业发生违约时, 阿里巴巴将接受建设银行的委托, 根据贷款企业与建设银行的贷款合同和相关协议, 对违约企业在阿里巴巴网络平台上进行曝光。曝光的主要内容有企业的名称、经营状况、注册地址、经营产品、联系方式、企业法人代表的姓名、身份证号码等。这种网络曝光极大地提高了企业的违约成本, 有效地遏制违约行为的发生[5]。
3) 联保小组成员方面。联保小组成员应加强相互监督, 并建立相应的惩罚机制, 且必须保证民间惩罚的效力。在小组组建之前, 对申请加入小组的成员进行严格的财务审查和信用审查, 坚决杜绝审查不合格的中小企业加入联保小组, 与此同时还必须严格控制小组的规模, 一般联保小组规模以3~6家为宜。银行发放贷款后, 小组成员之间需互相监督贷款的去向, 若发现小组成员未按照合同规定使用贷款资金, 而是投资风险较大的项目, 应及时向银行报告, 防止企业骗贷行为的发生。在贷款到期时, 小组成员应提醒借款成员按照合同规定按时偿还银行贷款。如果借款成员存在恶意违约的行为, 联保小组应对其实施一定的惩罚, 如在得到后续的贷款时, 联保小组重新选择借款企业替代违约成员, 直到违约成员有证据表明其以具备良好的信用后才可以加入联保小组再次得到贷款。
4 结论
联保贷款作为一种新兴的融资模式, 它的出现无疑给中小企业带来了新的生机。与此同时, 由于其自身的风险, 联保贷款在运用时经常会遭遇银行等金融机构的质疑, 所以对影响联保贷款违约率的因素进行分析显得十分必要, 这样可以使得银行、中小企业从中受益。从以上的分析, 我们得出了影响联保贷款违约率的因素, 通过对相关因素的控制, 可以从三个方面降低联保贷款的违约率。
一直以来联保贷款都以其较高的还款率得到了学术界和实业界的广泛关注, 相信在各方的共同努力下, 联保贷款这一模式会发展更好。
参考文献
[1]丁均伟.供应链金融体系与联保贷款模式研究[D].天津:天津大学, 2010.
[2]江能, 邹平, 王泽丽.联保贷款信用风险的动态博弈分析[J].特区经济, 2007 (12) :79-80.
[3]吴江雪.我国联保贷款在小微企业融资中的运用研究[D].南宁:广西大学, 2013.
[4]徐逞翀.联保贷款还款率影响因素分析[D].西安:西北农林科技大学, 2012.
债务违约率 篇5
佳兆业集团主要从事大型住宅物业以及综合商用物业的发展,经营范围为物业发展、物业投资、物业管理以及酒店、餐饮业务。集团在深圳、广州、东莞、惠州及珠海等多地发展,2006年、2007年及2008年连续被中国房地产Top10研究组评选为华南地区十大最具价值房地产品牌之一;2008年,集团在综合全年优质地产发展企业评级中名列第二。
但是,从2014年底开始,随着一系列事件的不断冲击,佳兆业集团大额债务违约随即被披露。深陷其中的多家金融机构为了寻求自保、将损失减到最小,都采取了法律手段,申请将佳兆业的资产冻结,从某种程度上说,金融机构的自保方式加剧了佳兆业的崩溃。
二、佳兆业集团产品及财务分析
(一)产品构成及收入
从表1可以看出,佳兆业主要的产品项目是物业开发,从历年的收入占比来看,物业开发的平均占比维持在96%左右。从2006年到2013年收入增长了8倍。但到2014年年中时,收入骤降,与2013年年终相比减少了12 730百万元。
(二)财务分析
1. 佳兆业集团资产、负债结构分析。
通过分析佳兆业集团的资产我们可以看出,2006年至2014年6月,佳兆业集团的资产中占比最大的是存货,由2006年占比20.88%增长到2014年6月占比60.83%;其他应收款从2006年的34.47%下降到2014年6月的16.59%;其他长期投资占比由8.41%开始增长,2010年达到最高20.75%,然后开始下降,2014年6月为9.90%;固定资产净值占比呈折线趋势,从0.75%开始先下降再上升,再下降再上升,最终为0.95%;土地使用权占比由0.44%整体呈下降趋势,最后为0.19%。
通过分析佳兆业集团负债可以看出,流动负债从历年来看整体占比维持在70%左右,其中其他流动负债占比最高,2014年6月达到52.91%,短期借贷及长期借贷到期偿还的比重占比有所下降,2008年最高,为34.39%,2014年6月下降到7.52%,应交税金受国家税收的影响,中间几年有所波动,从2006年的1.18%到2014年6月的4.30%。非流动负债占总负债的比重2014年6月达到34.98%,显然2014年佳兆业面对长短期债务到期需偿还的压力更大。
2. 财务指标分析。
从佳兆业集团历年的融资情况来看,共发债7次,总的发债金额约68亿元。佳兆业集团的资金大多来自大额举债。具体财务指标分析见表2。
单位:百万元
(1)资本结构分析。佳兆业资产负债率始终维持在75%左右,全部投入资本当中带息资本占比达62%,流动资产占总资产的比重虽然在88%左右,但是其中存货就占60%左右,由此可知,佳兆业虽然很好地利用了财务杠杆效用,但也使公司面临着较大的财务风险。将其与行业平均值进行比较我们发现,佳兆业的资产负债率从2011年至2014年6月高于行业平均资产负债率达25%左右,远远高于多数同行业的资产负债率。
(2)偿债能力分析。佳兆业的流动比率大于1,虽然先上升又下降,但是整体还是上升的趋势。速动比率2006年至2010年整体大于1,但是从2010年开始下降,从2014年半年报可以计算出速动比率为0.57。将佳兆业的流动比率及速动比率与其行业平均值进行比较,不难发现佳兆业的这两个指标都低于行业平均值。经营活动现金净流量与带息负债比率历年来一直为负。
(3)营运能力分析。佳兆业的营业周期2007年为499.76天,2014年6月为2 598.91天,延长了5.2倍。存货周转天数2007年498.2天,2014年为2 564.1天,延长了约2 000天。应收账款周转天数,也由1.55天变为34.81天。总资产周转率整体在下降。佳兆业集团的存货周转率、应收账款周转率、总资产周转率整体上低于行业平均值,这说明佳兆业的整体营运能力在大幅下降,资产利用效率不高,资金回笼慢。
(4)盈利能力分析。佳兆业ROE和ROA大幅度下降,总资产报酬率也在下降,投入资本的回报率由2007年的6.89下降到3.21,同时,销售毛利率、销售净利率、营业利润率都低于行业平均值。相反,销售费用、管理费用、财务费用占营业收入比重整体是上升的,这表明佳兆业的盈利能力在弱化。
(5)收益质量分析。该集团主要的利润来源于营业利润,公司承担的税费占利润总额的40%左右,公司承担着较大的税务负担。
三、结论及启示
通过上述分析可以看出,佳兆业的资金大多来源于举债,资产主要是存货,存货变现需要较长的时间,该集团必然存在短期流动负债、长期债务到期偿还的压力,加之佳兆业主席郑英东辞职,引发的一系列问题比如交叉债务违约、房源被锁,严重影响佳兆业的销售,使得公司资金链更加紧张,濒临断裂的边缘。解决佳兆业的困境,可以从以下几方面入手:
(一)提高企业营运能力与盈利能力
应提高企业的存货周转率,加快应收账款周转率。同时,提高资产的利用效率。这样可以提高利润增长,增加企业可用的营运资金,从而缓解企业资金紧缺的困境。其他房地产行业也应吸取教训,引以为戒。
(二)降低资产负债率迫在眉睫
资产负债率过高,回笼资金很慢,很容易使公司面临资金断裂的危险,从以上分析可以看出,佳兆业该问题由来已久,所以公司应该从长远的角度看待问题,不能只关注眼前。
(三)融资创新
目前房地产企业面临的最关键问题是融资,由于银行紧缩银根使得房地产行业的融资变得更加困难。所以,房地产行业应创新融资方法,在银行紧缩银根时,广大中小房地产开发商必须积极谋求在资本市场的融资。第一是信托业的发展,第二是购房者的预付款,第三是公司上市。
(四)解决审计机构提出来的问题刻不容缓
该公司2014年年报至今未公布,注册会计师表示是因为对报表存在质疑,不出具无保留的审计意见,在2014年年报没有报出来之前,大家对佳兆业心存疑虑和猜测,大众和投资者对其慢慢地失去了信心。所以,上市公司应该正确对待会计师事务所对报表的质疑,积极应对和改进。X
参考文献
[1]陈晓芸,吴超鹏.政治关系、社会资本与公司投资效率——基于投资-现金流敏感度视角的分析[J].山西财经大学学报,2013,(6):91-101.
[2]敖小波.政治关联与房地产公司融资便利性研究——基于房地产上市公司的经验数据[J].财经科学研究,2013,(4):88-94.
债务违约率 篇6
一、房地产抵押贷款的抵押率现状
㈠房地产抵押贷款的抵押率抵押率定了抵押贷款放贷额度的高低, 是指商业银行发放房地产贷款额度时所占抵押物估价价值比例。房地产的贷款额由商业银行根据评估机构向商业银行提供的抵押价值乘以抵押率来决定。抵押价值的评估只是考虑了房地产市场的风险, 而贷款项目本身风险的影响因素和抵押估价时对抵押价值的影响因素不一样, 需要商业银行在确定抵押率时另外加以考虑。房地产抵押是对贷款还款的担保, 由于未来房地产市场、借款人的还款能力、贷款期限、房地产状况的不确定性, 还有受到实现抵押权的费用、违约金、利息、损害赔偿金的影响, 贷款额决不能等同抵押价值而应低于抵押价值, 抵押率的确定要综合考虑以上因素来确定抵押贷款额度。两者间的关系用公式表示是:抵押价值×抵押率=贷款额。所以抵押贷款额的大小是由抵押率的高低决定的, 抵押率也就决定了房地产抵押贷款的风险。[2]
㈡房地产抵押率确定现状房地产抵押物的抵押率不得超过70%是国家建设部《城市房地产抵押管理办法》规定。抵押率不得超过70%主要还是考虑到未来房地产市场的不稳定和抵押权行驶时强制处分造成的损失。目前房地产住宅抵押率最高可以到70%, 商业房地产抵押率最高可以到60%, 工业房地产抵押率最高可以到50%。[3]这样的抵押率确定方式没有充分考虑同类房地产借款人的收入水平、抵押物的自身状况、贷款期限对抵押率的影响, 同类房地产之间抵押率没有太大的区别, 这样增大了商业银行房地产抵押贷款的风险。
二、抵押率造成的违约风险
抵押贷款借款人的违约是指借款人不再继续履行抵押贷款合同的还款义务, 终止偿还抵押贷款从而给商业银行带来贷款偿还风险的行为。住房抵押贷款借款人的违约可将其分为非理性违约和理性违约。[4]在放贷时抵押率过高容易使借款人理性违约, 抵3
押率是由商业银行确定的。在房地产抵押贷款中理性违约所占的比例会更高, 因为如果非理性违约从经济利益考虑对于借款人不划算, 借款人即使没有支付能力也会想方设法不违约。
理性违约是指借款人认为还款就会经济利益受损失而放弃偿还商业银行抵押贷款的违约行为。[5]理性违约的情况发生在房地产价格下降的时期, 由于市场房价低于未偿还的借款余额, 借款人放弃继续偿还贷款就不受损失而主动违约。如果房地产市场价格上涨, 借款人从经济利益考虑就不会理性违约。借款人即使在没有经济能力归还贷款的情况下也可以把抵押房地产出售, 这样房地产转让价款偿还剩余贷款后还会有剩余, 除去首付和已经偿还额后可能还会有剩余价款。所以抵押率的高低对于违约决策的选择起到关键作用, 当借款人贷款余额大于当前抵押房地产的市场价格, 违约可以使借款人自身利益最大化, 所以借款人会理性违约。假设将来抵押贷款利率不变, 我们可以用下式表示借款人理性违约:
式中, V为购买时商品房总价格;k为抵押率;i为贷款合同利率;t为已偿还贷款本息的期数;n为贷款总期数;Vt为t时期房价;S为新时期购买住房时交易费用;C为违约成本。
由上述理性违约的公式表达中我们可以看到, 未来房地产价格和贷款偿还余额是影响借款人违约的重要因素, 而贷款偿还余额是由抵押率来确定的。当未偿还抵押贷款余额大于抵押房产的市场价值借款人会理性违约。将上式左边看做在t时期借款人未偿还的贷款额B (t) , 右式为t时期抵押房产的市场价值加上交易费用及估计的违约成本, 用H (t) 表示。当B (t)
三、目前房地产抵押贷款抵押率确定的不足之处
确定房地产抵押率的高低主要取决于借款人的收入水平、抵押物的自身状况、贷款期限等因素。借款人的收入水平越低, 未来的还款能力越低, 抵押贷款抵押的风险也就越大;抵押物房地产自身房地产状况越差, 抵押权行驶时抵押贷款风险越大;抵押贷款期限越长, 未来房地产市场的不确定性越大, 风险也就越大。抵押率的高低也反映银行对抵押贷款风险所持的态度。商业银行在保证贷款盈利的同时, 也要降低房地产抵押贷款风险, 所以要合理确定抵押率。[9]
㈠没有充分考虑借款人的资信程度和还款能力目前我国的房地产抵押贷款对于还款人的收入和还款能力审查不是很严格, 只要有工资证明就可以放款, 还款额达到了月收入的50%。而且月还款额达到月收入50%和还款额达到月收入的10%的房地产抵押率是一样的, 这样体现不出资信程度不同的贷款风险的差别。很明显还款额占到月收入比例小的借款人违约风险小, 还款额占到月收入比例大的借款人违约风险大。而目前住宅商品房的抵押率是70%, 商业房地产的抵押率是60%, 抵押率的确定并没有区别借款人的资信程度和还款能力。[6]
㈡没有充分考虑抵押贷款期限房地产抵押期限从5年~25年不等, 不同的抵押期限对应着不同的风险, 商业银行在确定抵押率时并没有考虑抵押期限对抵押率的影响, 而是不管抵押期限长短对于同一类房地产抵押率都是一样的。借款人抵押贷款期限与贷款风险成正比。贷款期限越长房地产市场的未来不确定性越大, 贷款风险也就越大。如果贷款期限是一年, 较容易分析预测出其今后一年的房地产市场状况;如贷款期限是五年或更长, 预测在抵押期内房地产市场状况的难度将增大, 贷款风险也大得多。房地产市场未来的不确定性给商业银行带来了风险。
㈢没有充分考虑抵押房地产自身的状况房地产在确定抵押率时没有考虑不同新旧程度的房地产, 新房和旧房的抵押率对于同一类房地产是一样的。对于住宅性房地产越旧的房子越不好转让, 违约时抵押贷款回收风险就大;对于收益性房地产越旧的房地产收益越低, 抵押贷款回收风险也越大。所以房地产越旧抵押贷款收回的风险就越大。不同房地产自身状况不同抵押率也应该不同, 这样可以降低旧房抵押贷款的风险, 防范商业银行抵押贷款的风险。[10]
四、合理确定房地产抵押率, 防范理性违约风险
㈠根据影响因素确定各种情况下的抵押率
1.根据借款人的资信程度和还款能力确定抵押率。房地产抵押贷款抵押率的确定要改变对于还款人的收入和还款能力审查不严格的现状, 抵押率确定时应区别不同收入和还款能力而不同, 这样可以降低商业银行房地产抵押贷款的风险。不同借款人的收入和还款能力对应着不同的还款风险, 相应的房地产的抵押率确定也就不同。当还贷款额占到家庭年收入15%以下时抵押率确定为80%;当还贷款额占到家庭年收入15%~30%之间时抵押率确定为70%;当还贷款额占到家庭年收入30%~60%以时抵押率确定为60%。这样不同的收入和还款能力对应着不同的抵押率, 就降低了抵押贷款的风险。
2.根据抵押贷款期限确定房地产抵押率。由于我国房地产市场受政策变化影响大, 商业银行不同的抵押贷款期限对应着不同的抵押贷款风险, 而商业银行在确定抵押率时并没有考虑抵押期限对抵押率的影响, 而是不管抵押期限长短对于同一类房地产抵押率都是一样的。[7]商业银行应该把房地产抵押期限分为短期抵押贷款 (1年~5年) 、中期抵押贷款 (5年~10年) 和长期抵押贷款 (10年~25年) , 不同的抵押贷款期限设定不同的抵押率。比如短期贷款1年~5年的房地产市场由于时间近可以预见, 风险较小对应的抵押率就小, 抵押率定为75%;中期抵押贷款5年~15年的房地产市场有一定的不可预性, 风险比较大, 抵押率定为65%;长期抵押贷款15年~25年的房地产市场不可预见, 风险很大, 抵押率定为50%。房地产抵押率因为抵押贷款期限不同而不同, 降低了商业银行房地产抵押贷款风险。
3.根据抵押房地产自身的状况确定房地产抵押率。目前我国房地产抵押率确定时没有考虑房地产的新旧程度及房地产的收入来确定房地产的抵押率, 增大了房地产抵押贷款的风险。不同的房地产自身状况对应着不同的房地产抵押贷款风险, 房地产抵押率确定时也就应该不同。对于八成新及以上的住宅房地产来说抵押率可以确定为80%;对于八成新到六成新的住宅来说抵押率可以确定为60%, 对于六成新到五成新的抵押率可以确定为40%。商业房地产要根据房地产的自身的收入水平来确定抵押率的高低。收入水平高的房地产抵押率为75%;收入水平中等的房地产抵押率为60%, 收入水平低的房地产抵押率为40%。
㈡各种情况综合考虑确定抵押率抵押率的确定不是受一种因素影响而确定的, 分别受到收入水平、抵押物的自身状况、贷款期限的影响, 在确定抵押率时以权重方式考虑以上三种因素来综合确定抵押率, 这样贷款额会因抵押率充分考虑各种情况而更符合实际, 降低抵押贷款风险。[8]借款人还款能力和抵押贷款期限对抵押贷款的还款影响比较大, 所以权重确定为0.35, 房地产的成新状况对抵押贷款的还款影响相对小一点, 权重确定为0.30。具体抵押率的确定如表1所示。
表1抵押率三种影响因素为借款人还款占收入比率、抵押贷款期限和房地产自身的状况抵押率的组合, 可以得到C31×C31×C31×=27中抵押率, 计算公式为:
Yij为综合计算的抵押率;下标1j为借款人还款占收入三种比率的任一取值;下标2j为抵押贷款期限三种期限的任一取值;下标3j为房地产自身的状况三种情况的任一取值;j表示列, 取1、2、3。组合抵押率如表2所示。可得综合考虑抵押人的收入水平、抵押物的成新状况、贷款期限的影响确定抵押率有很大的区别, 最低的抵押率50.5%, 最高的抵押率为76.8%, 同样是100万的贷款最高的抵押率76.8%比最低的抵押率50.5%可以多贷到26.3万元的款, 如果抵押贷款时不管收入水平、抵押物的成新状况、贷款期限则不同状况的房地产抵押率是一样的, 多出的贷款无法回收的风险增大。所以在确定抵押率时要综合考虑收入水平、抵押物的成新状况、贷款期限的影响来合理确定抵押率, 控制房地产抵押贷款风险。
五、结论及建议
商业银行在盈利的同时也要控制房地产抵押贷款风险。我国目前商业银行贷款中房地产抵押贷款占到很大比重, 控制房地产抵押贷款的风险也就控制的商业银行贷款的风险。抵押率的高低可以控制商业银行房地产抵押贷款放贷额。商业银行在确定房地产抵押率时要充分考虑抵押人的收入水平、抵押物的成新状况、贷款期限, 不同的抵押贷款状况确定不同的抵押率, 这样抵押贷款放贷额度高低就会不同, 从而减小了商业银行房地产抵押贷款的风险。在我国房地产市场宏观调控的大背景下, 未来房地产市场会有很大的不确定性, 合理确定房地产抵押率对于商业银行房地产抵押贷款的风险控制有不可忽视的作用。
参考文献
[1]杨德文.房地产抵押贷款风险的防范[J].人民论坛, 2011, (14) .
[2]朱嘉红.浅析房地产抵押估价及抵押率[J].价格理论与实践, 2002, (10) .
[3]韩丽艳.对做好房地产抵押受理工作的认识[J].商业经济, 2010, (10) .
[4]吴光涛.房地产抵押评估中的“保守性”质疑[J].中国资产评估, 2010, (12) .
[5]郭翠云.浅析房地产抵押贷款评估存在的问题及对策[J].商业文化, 2011, (11) .
[6]Gerlach.stefan and peng.wensheng.Bank leading and property prices in HongKong[J].Joumal of Banking&Finance, 2005, (29) .
[7]秦卓艺.商业银行企业抵押贷款中存在的风险及对策[J].市场周刊, 2013, (6) .
[8]Hofmann.Boris.Bank leading and property prices some international Eveidence[M].Hong Kong Institute for monetary research working.2003.
[9]王腾江.个人住房抵押贷款违约风险的宏观经济分析[J].山东工商学院学报, 2013, (2) .
债务违约率 篇7
一、高校国家助学贷款中违约率高的原因分析
1. 个别学生诚信缺失。
助学贷款违约率高与个别大学生诚信缺失密不可分。不少学生认为国家助学贷款是政策性贷款, 这是国家对他们的福利, 是免费的午餐, 因而缺乏应有的还款意愿, 在毕业后不能主动向银行更新自己的信息。贷款学生毕业后的工作地点遍布全国, 有的甚至在国外, 有的经常“跳槽”, 银行很难了解每一个贷款者的去向, 因此学生和银行处于一个信息不对称的状态。这就从客观上又为那些缺乏诚信的学生创造了违约的条件。
2. 学校对贷款学生审批不够严格。
随着高校扩招, 学校的贫困生数量也大大增加。由于高校都开辟“绿色通道”, 实现“先报到后交费”的做法, 这使学生欠费现象十分严重。高校为了减轻“学生欠费”的压力, 对贫困生申请助学贷款的把关较宽。同时, 贫困生数量多, 所需审核的材料多, 学校对贷款学生的真实情况缺少具体掌握, 也使高校在推荐申请贷款的学生时, 难免有偏差。
3. 银行服务细节不够完善。
银行还款渠道不畅是一个不容忽视的因素。银行系统不断升级, 还款专用的银行卡如果不及时进行相应的升级, 会导致还款失败。如果银行卡丢失、消磁, 银行也将无法正常扣款。助学贷款属于小额贷款, 大多银行不愿为此耗费大量的精力, 只是等着学生主动还款, 在客观上为部分学生违约提供了条件。
4. 就业难导致还款难。
当前就业形势相当严峻, 贫困学生大多来自边远地区, 由于缺少家庭背景, 靠自己找到一份条件比较好的工作难度很大。大学生刚毕业工资水平不高, 除去生活必需费用外所剩无几, 这给他们还款带来很大的困难。
5. 还款年限不合理。
我国助学贷款还款年限是毕业后6年, 实际上, 大学毕业后5年左右, 正是一个毕业生经济独立的关键时期。贷款大学毕业生每月除去房租、水电、交通、通信等基本生活费用, 还要贴补贫困的父母, 而毕业后5年左右也正处于谈婚论嫁的黄金时期, 又需要不少的开支。这样的情况下, 再让他们还款无疑是雪上加霜, 也不现实。
6. 缺少相关法律规定导致违约成本过低。
对信用助学贷款, 我国还没有相关的法律规定, 大多依据的是现有的《消费信贷法》《担保法》《贷款通则》等法规, 对助学贷款有关问题的规定不全面、不清晰, 在具体操作时无章可循, 特别是当贷款学生违约时没有相应的法律制裁。助学贷款制度中规定, 不能及时偿还助学贷款的学生, 助学贷款管理中心在新闻媒体和高等学校毕业生学历查询系统网站上公布其姓名。这样的一种制度设计, 违约成本明显过低。对于贷款学生来讲, 在媒体上公布姓名与偿还上万甚至几万的助学贷款相比, 放弃偿还助学贷款似乎更具有吸引力。
二、解决违约率高问题的对策
1. 加强学生诚信教育。
要加强学生的诚信教育, 增强学生的诚信意识。高校要大力推动以诚实守信为重要内容的校园文化建设, 让学生充分认识到诚实守信的重要性和失信行为对国家、社会及他人的危害。
2. 加快社会征信体系的完善。
对贷款违约学生最具威胁力的是完善的社会征信体系。当前, 在我国个人征信系统刚刚建立, 还不能充分发挥其应有功效。这种体系在银行系统内部, 其他系统、机构与之的配合相对缺乏。我们可以在第二代身份证的基础上建立社会征信体系, 将银行系统专门建立的学生信用系统与公民身份证系统相连接, 并逐步将此系统与教育、人事部门系统相连接, 建立一个相对完善的社会征信体系。这样, 银行再也不怕因贷款学生流动性大而与其失去联系。同时, 贷款违约的学生在该系统上会留下不良记录, 会给他带来找工作难、出国难、贷款难等一系列问题。贷款违约成本的加大也能大大地降低学生的贷款违约率。
3. 高校严格做好贷款学生的审批工作。
严把贷款学生的贫困资格审批也是确保还款率的有效途径。在贷款学生的审批上存在信息的高度不对称, 常常导致贫困的学生没能贷款, 不贫困的学生却能顺利申请贷款的尴尬现象。因此, 在贷款学生的审批上, 要从学生自然情况、家庭收入水平、表现情况及学费缴纳情况等四个方面综合考虑。对不能缴纳学费的学生, 可暂时给学生办理缓交学费手续, 通过一段时间, 进行全方位的考察, 再在网上对申请贷款学生的名单进行公示, 接受广大师生的意见反馈, 从中选择符合条件的贷款对象。
4. 银行应完善服务细节。
银行应在系统内开办还款专用卡异地异行补办业务, 使还款专用卡丢失或消磁的学生能在异地异行进行及时挂失和补办, 保证贷款学生还款渠道畅通。银行每月还要以短信、邮件或信件的方式督促还款人还款, 对于有违约的学生应主动打电话联系, 了解学生违约的原因, 针对特殊的违约情况酌情免收额外利息或延长还款期限。
5. 适当延长还款年限, 采取灵活的还款方式。
还款年限短, 还款方式不够灵活, 是我国国家助学贷款违约率高的重要原因。世界上一些国家和地区助学贷款的年限都很长, 美国的助学贷款还款年限平均在10年以上, 韩国为11年, 加拿大为15年, 日本在15—20年之间, 香港特区的还款期限则达到20年。经办银行应该考虑到毕业生的现实困境, 结合地区、学校类别和专业前景等情况分别予以延长还款年限, 可考虑在毕业后10—15年内还本付息的做法。此外, 在还款上也应采取灵活方式, 要结合我国的实际情况, 将目前固定的按月还贷改为按月、季、年还贷, 允许在贷款期限内一次性还清。
6. 出台助学贷款相关法律。
任何经济活动都需要法律的支持和约束, 国家助学贷款既涉及银行的经济效益, 又涉及国家科教兴国的社会效益, 其法律环境更为重要。目前, 我国助学贷款的相关规定都是政府行政规定上的制度安排, 缺乏相应的法律保障。国家可以出台专门的国家助学贷款法规, 或者在《高等教育法》中增加国家助学贷款方面的规定, 在法律中对地方政府、银行、学校、学生四方面的责、权、利进行划分, 避免出现问题相互推诿的情况;对贷款违约的学生应该有相应的处罚规定, 以提高助学贷款的还款率。